赋能远端边缘的 AI 创新

搜索最新SoC解决方案
关于汽车电子...物联网...安全...音频...视频

赋能远端边缘的 AI 创新

mp.weixin.qq.com, Oct. 02, 2025 – 

当前行业的焦点，更多投向那些能够将数据中心 AI 性能推向更高峰的硬件技术上。在 HotChips 2025 大会期间，对超大规模计算性能提升的需求占据绝大多数议程，而功能强大的大型芯片则成为了焦点。

然而，除了这些有关云行业的性能头条和新闻之外，tinyML 在远端边缘领域仍蕴藏着巨大机会。这类设备覆盖了丰富多样的传感器端点，它们在将元数据提交到云端之前会先进行采集、预处理和分析真实世界的数据。下图展示了在边缘、移动、PC 以及物联网系统市场快速增长的 AI 工作负载预测。

这一增长背后的原因很简单：并非所有 AI 任务都可以或应该在云端或大型数据中心完成。在互联网接入不足、需要实时响应，或需要隐私的情况下，存在着大量的机会，而这些隐私阻止了具有网络依赖性、数据延迟和安全/隐私问题的基于云的解决方案。即便采用基于云的解决方案，本地执行 AI 也能降低数据传输成本与功耗，并具备更好的可持续性。尽管其他 IP 供应商已在这一类应用上"放缓脚步"，SiFive 却加大投入，积极拓展产品覆盖，为远端边缘的多样化应用提供支持，并辅以参考级的 AI 软件栈。我们的目标是帮助客户以最高的性价比和最短的周期，打造并部署行业领先的产品。

如何将高效 AI 带到边缘？

随着 AI 模型快速演进 (卷积神经网络已被 Transformer 模型取代，业内甚至有人预测 Transformer 也将被淘汰)，灵活、可适应的架构极为重要。为了让 AI 无处不在，开发边缘应用的公司正专注于提升延迟表现、优化带宽利用，并增强数据安全性。

这些系统往往面临资源受限，包括功耗、成本和尺寸。同时，不同垂直市场还存在独特需求：

在医疗领域，数据隐私合规至关重要；

在工业和制造场景中，实时响应必不可少；

在汽车应用中，网络连接并不总是可靠。

业界对这类应用有许多称呼，最近较流行的一个是"物理 AI (Physical AI)"。无论采用哪种分类方式，SiFive 都积极拥抱"本地 AI"，并展示为何以开放标准 RISC-V 为基础是最佳选择––它在功耗、尺寸和通用软件方面具备明显优势。自 2021 年推出首款 Intelligence 产品以来，SiFive 已在各种物联网应用中获得 40 多个 Design Win。如今，为满足更广泛市场需求，我们正式发布了第二代 Intelligence 系列。新产品结合了用的标量和向量流水线，为客户提供更多选择、可扩展性，以及在加速计算解决方案中进行创新的机会。X100 系列是其中最小的产品，正是基于客户对"深度嵌入式边缘高效 AI 推理"的直接反馈而设计。

 Back